В работе рассмотрена задача бинарной классификации акустических сигналов биологического происхождения, записанных в естественных условиях. В качестве признакового описания объектов выбраны информационные характеристики, такие как энтропия и статистическая сложность. Методы
решения основаны на трех архитектурах нейронных сетей, модифицированных авторами (на ядре
Inception, на ядре Inception и технологии Residual, на структуре Self-Attention с блоками LSTM). Использован датасет из соревнования на Kaggle по обнаружению акустических сигнатур китов, и проведено сравнение между моделями по качеству решения рассматриваемой задачи на стандартном
наборе метрик. Получено значение AUC ROC более 90%, что говорит об успешном решении задачи
обнаружения полезного сигнала и указывает на возможную применимость информационных характеристик к подобным задачам.